R语言 求秩和检验

Python015

R语言 求秩和检验,第1张

x=rep(1:4, c(4,10,15,1))

y=rep(3:7, c(2,9,2,4,2))

wilcox.test(x,y,exact=FALSE)

p-value=10e-8<.05拒绝原假设

可认为两组总胆红素存在差异；

x=rep(1:4,c(4,10,15,1))

y=rep(3:7,c(2,9,2,4,2))

wilcox.test(x,y,exact=FALSE)

p-value=10e-8

一般根据数据是否符合正态分布，选择合适的统计方法：

T检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料。t检验是用t分布理论来推论差异发生的概率， 从而比较两个平均数的差异是否显著。 它与 Z检验 、 卡方检验 并列。

其他进行正态性检验的函数 (如下函数都属于nortest包）

Lillie.test()

ad.test()

cvm.test()

pearson.test()

sf.test()

不同的函数可能会得到不同的结果。

对于不服从正态分布的数据，可以采用一些方法使它服从正态分布。

var.test只能用于两样本方差齐性检验

当数据不满足正态分布的时候，要进行t检验必须进行原始数据的变换。如取log，平方根，倒数， boxCox转换 等。

Wilcox秩和检验（又称Mann-Whitney U检验）是对原假设的非参数检验，在不需要假设两组样本数据为正态分布的情况下，测试二者数据分布是否存在显著差异，此检验适用于数据分布属于非正态性的分析对象，其适用范围相较于t检验广泛。

执行wilcoxon秩和检验（也称Mann-Whitney U检验）这样一种非参数检验 。t检验假设两个样本的数据集之间的差别符合正态分布（当两个样本集都符合正态分布时，t检验效果最佳），但当服从正态分布的假设并不确定时，我们执行wilcoxon秩和检验来验证数据集中mtcars中自动档与手动档汽车的mpg值的分布是否一致，p值<0.05,原假设不成立。意味两者分布不同。警告“无法精确计算带连结的p值“这是因为数据中存在重复的值，一旦去掉重复值，警告就不会出现。